Pembibitan merupakan proses yang sangat penting untuk menentukan kualitas pohon kelapa sawit untuk kedepannya, pada tahapan ini tanaman atau bibit kelapa sawit sangat rentan terhadap serangan penyakit seperti bercak daun (culvularia) dan busuk daun (antraknosa). Penyakit ini dapat menyebabkan bibit kelapa sawit menjadi mati dan dapat merugikan pihak yang melakukan pembibitan sehingga diperlukan proses klasifikasi penyakit untuk menentukan langkah penanganan secara cepat dan tepat. Oleh sebab itu, dibutuhkan sebuah teknologi yang dapat mengidentifikasi penyakit bercak daun dan penyakit busuk daun secara otomatis dan akurat. Tujuan dari penelitian ini adalah untuk menerapkan metode K-Nearest Neighbor pada proses klasifikasi penyakit bercak daun dan penyakit busuk daun berdasarkan ekstraksi bentuk dan warna dari citra daun bibit kelapa sawit. Tahapan penelitian initerdiri proses akuisisi citra, preprocessing (perbaikan kualitas citra, resizing dan segmentasi), ekstraksi fitur bentuk, tekstur dan warna yang kemudian akan diklasifikasi menggunakan metode K-NN. Data yang digunakan terdiri dari 3 jenis daun bibit kelapa sawit yaitu 50 citra bercak daun, 50 citra penyakit busuk daun dan 50 citra daun sehat, sehingga total citra yang digunakan sebanyak 150 citra. Pengujian menggunakan jumlah k=1 menghasilkan tingkat akurasi sebesar 100%, K=3 menghasilkan tingkat akurasi sebesar 96,66%, K=5 sebesar 90% dan K=7 sebesar 60%. Rata-rata tingkat akurasi klasifikasi penyakit bercak daun dan busuk daun menggunakan metode K-Nearest Neighbor sebesar 86,67%.
Kata kunci : Penyakit Bibit Kelapa Sawit, Pengolahan Citra, Ekstraksi Fitur, K-Nearest Neighbor, Confussion Matrix Multiclass, Klasifikasi.